Social4Rec：从社交图蒸馏用户偏好用于腾讯视频推荐
信息检索
2023-08-15 v3
摘要
尽管推荐系统在网络内容平台中起着关键作用，挖掘用户兴趣仍是一项重大挑战。现有工作利用用户行为（即点击、观看等）来预测用户兴趣，但当用户进行不稳定活动时，当前方案效果不佳。后者涉及新用户（几乎无任何类型活动）以及行为低频的稀疏用户。我们统一将这两类用户描述为“冷用户”，他们在网络内容平台中非常常见却常被忽视。为解决此问题，我们将用户的社会兴趣（如好友关系、关注博主、兴趣群组等）与活动行为相结合以增强用户兴趣表征。因此，本文提出一种名为SocialNet的新算法，其采用两阶段方法逐步提取粗粒度与细粒度社会兴趣。随后我们将SocialNet的输出与原始用户表征拼接，得到结合行为兴趣与社会兴趣的最终用户表征。在腾讯视频推荐系统上的离线实验证明了其相对于基于行为的基线模型的优越性。在线实验也显示出现实推荐系统中点击量与观看时长的显著提升。源代码见https://github.com/Social4Rec/SocialNet。
引用
@article{arxiv.2302.09971,
title = {Social4Rec: Distilling User Preference from Social Graph for Video Recommendation in Tencent},
author = {Xuanji Xiao and Huaqiang Dai and Qian Dong and Shuzi Niu and Yuzhen Liu and Pei Liu},
journal= {arXiv preprint arXiv:2302.09971},
year = {2023}
}